高元新，張文政

（甘肅農(nóng)業(yè)大學(xué)人文學(xué)院，甘肅蘭州730070）

城鎮(zhèn)社會養(yǎng)老保險(xiǎn)水平因子分析及對策建議

高元新，張文政

（甘肅農(nóng)業(yè)大學(xué)人文學(xué)院，甘肅蘭州730070）

當(dāng)前，我國正面臨著人口老齡化的危機(jī)，而社會普遍關(guān)注的問題之一就是養(yǎng)老。自從21世紀(jì)以來，我國城鎮(zhèn)社會養(yǎng)老保險(xiǎn)發(fā)展速度較快，但是發(fā)展的速度并不能掩蓋其存在的一些問題。利用SPSS19．0軟件對2012年我國省市（除香港、澳門、臺灣外）的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，通過對數(shù)據(jù)的因子分析，發(fā)現(xiàn)各個(gè)省市的社會養(yǎng)老保險(xiǎn)發(fā)展水平有著較為明顯的差異性的，同時(shí)也與人口、經(jīng)濟(jì)的發(fā)展水平、收入有很強(qiáng)的相關(guān)性，這也為解決我國城鎮(zhèn)養(yǎng)老保險(xiǎn)水平的地區(qū)差異性提供了理論與實(shí)踐方面的支撐。

城鎮(zhèn)；養(yǎng)老保險(xiǎn)水平；因子分析

在人口老齡化危機(jī)日漸加深的前提下，養(yǎng)老問題已經(jīng)成為我國乃至全世界亟須解決的關(guān)鍵性問題之一。養(yǎng)老保險(xiǎn)是社會保險(xiǎn)的一種，其功能是提高勞動者老年風(fēng)險(xiǎn)防御能力，保證其享受晚年生活，以此作為一項(xiàng)重大的社會政策來實(shí)施。近些年以來，我國的養(yǎng)老保險(xiǎn)事業(yè)發(fā)展比較迅速，但也面臨著各地區(qū)的發(fā)展并不平衡、差距較大等問題。本文通過運(yùn)用多元統(tǒng)計(jì)方法，對全國省市（除香港、澳門、臺灣省之外）2012年的統(tǒng)計(jì)資料整理進(jìn)行因子分析，在眾多的數(shù)據(jù)指標(biāo)之中提取公共的因子，由于每一個(gè)公共因子都能夠反映養(yǎng)老保險(xiǎn)水平指標(biāo)間的共同作用，［1］我們可以通過分析這些公共的因子，來發(fā)現(xiàn)不同省份城鎮(zhèn)養(yǎng)老保險(xiǎn)水平發(fā)展中存在的問題而進(jìn)行深入細(xì)致分析并給予正確的評價(jià)。養(yǎng)老保險(xiǎn)水平的因子分析可以對我國各地區(qū)的養(yǎng)老保險(xiǎn)水平歸納得分進(jìn)行排列、點(diǎn)評，給建設(shè)并發(fā)展我國的養(yǎng)老保險(xiǎn)事業(yè)提供理論憑據(jù)。

一、測算不同省市區(qū)社會養(yǎng)老保險(xiǎn)的水平

（一）建構(gòu)社會養(yǎng)老保險(xiǎn)的水平指標(biāo)評價(jià)體系

若測算我國不同省市區(qū)社會養(yǎng)老保險(xiǎn)綜合性水平，［2］就必然建構(gòu)變量評價(jià)綜合性的體系，選取一些能夠全面、精準(zhǔn)反映不同省市社會養(yǎng)老保險(xiǎn)水平的指標(biāo)，可以全面的指出影響不同省市社會養(yǎng)老保險(xiǎn)水平的公因子，對選取的數(shù)據(jù)進(jìn)行整理計(jì)算后，可以得到各省市社會養(yǎng)老保險(xiǎn)水平的綜合得分。在易操作、合理、簡單等特征的基礎(chǔ)之上，綜合考慮各個(gè)省市的實(shí)際情況，構(gòu)建了各省市城鎮(zhèn)養(yǎng)老保險(xiǎn)水平總體指標(biāo)全面評價(jià)體系，采用內(nèi)容相異的指標(biāo)變量八個(gè)。詳盡的指標(biāo)體現(xiàn)為：O1－省市生產(chǎn)總值GDP（億元）、O2－各省市總?cè)藬?shù)（萬人）、O3－省市地方財(cái)政性收入（萬元）、O4－各省市農(nóng)村居民人均年純收入（元）、O5－離退休參保人數(shù)（人）、O6－城鎮(zhèn)養(yǎng)老保險(xiǎn)參保人口數(shù)（萬人）、O7－社會保障與就業(yè)的財(cái)政支出數(shù)額（萬元）、O8－城鎮(zhèn)家庭的全部收人（元）。結(jié)合構(gòu)建的綜合性評價(jià)指標(biāo)體系從《中國統(tǒng)計(jì)年鑒－2012》中選取相關(guān)評價(jià)指標(biāo)的原始數(shù)據(jù)，并對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

（二）評價(jià)指標(biāo)間的相關(guān)矩陣及顯著性檢驗(yàn)

表1上半部分是原始評價(jià)指標(biāo)的相關(guān)矩陣，從相關(guān)矩陣中可以看出一些指標(biāo)之間的相關(guān)系數(shù)是接近1的，可見其比較高；表1下部是關(guān)于相關(guān)系數(shù)的顯著性檢驗(yàn)數(shù)值，該顯著性檢驗(yàn)值有很多是小于0．05的，［3］這表明原始指標(biāo)間具有很強(qiáng)的相關(guān)性。因此，我們有依據(jù)通過分析因子將其表示成獨(dú)立并且相異的指標(biāo)變量。

（三）因子分析檢驗(yàn)

利用SPSS19．0統(tǒng)計(jì)軟件對各省市城鎮(zhèn)社會養(yǎng)老保險(xiǎn)水平進(jìn)行因子分析，第一需驗(yàn)證因子分析能否適用于該數(shù)據(jù)，SPSS19．0統(tǒng)計(jì)軟件提供多種檢驗(yàn)方法，此次選用SPSS19．0統(tǒng)計(jì)軟件的KMO檢驗(yàn)與Bartlett檢驗(yàn)的兩種方法。KMO是取樣足夠Kaiser－Meyer－Olkin度量，KMO的測度值越高，表明變量間的共性因素也就越多，因子分析也就適合于該數(shù)據(jù)的分析。［4］表2是SPSS19．0統(tǒng)計(jì)軟件自動生成的檢驗(yàn)結(jié)果。結(jié)果表明KMO值為0．773，且一般來說只要KMO的值大于0．7就表示指標(biāo)數(shù)據(jù)適合因子分析，加之Bartlett的球形度檢驗(yàn)值為0．000，比給定的顯著水平0．05小，球形檢驗(yàn)也通過了。因而，數(shù)據(jù)的選擇是符合因子分析要求。

表1 相關(guān)矩陣及顯著性檢驗(yàn)

表2 Kaiser－Meyer－Olkin和Bartlett的球形度檢驗(yàn)

（四）相關(guān)矩陣的特征值及解釋總方差

首先標(biāo)準(zhǔn)化處理評價(jià)指標(biāo)的原始數(shù)據(jù)，使各個(gè)評價(jià)指標(biāo)的性質(zhì)、計(jì)量等方面不存在差異。運(yùn)用SPSS19．0統(tǒng)計(jì)軟件對數(shù)據(jù)進(jìn)行處理，得到各個(gè)評價(jià)指標(biāo)間的相關(guān)矩陣。在表3初始特征值一欄中，初始變量的相關(guān)矩陣的特征值有兩個(gè)是大于1的，分別是5．357、1．745，所以應(yīng)提取特征值所對應(yīng)的兩個(gè)因子，這兩個(gè)因子解釋的方差分別為66．959%、21．811%，累積方差達(dá)到88．770%，也就是說可以解釋原始變量的88．770%的方差。在旋轉(zhuǎn)平方和載入一欄中可以發(fā)現(xiàn)，基于旋轉(zhuǎn)的2個(gè)因子方差產(chǎn)生了變化，不過能輕易發(fā)現(xiàn)它們的方差累計(jì)和并沒有發(fā)生變化，仍是88．770%。因此，應(yīng)選擇這兩個(gè)特征值大于1的因子作為公因子。

表3 相關(guān)矩陣的特征值及總方差的解釋

表4 旋轉(zhuǎn)成份矩陣

（五）公因子的選擇及名稱

因子的旋轉(zhuǎn)成份矩陣是表明在各個(gè)因子中系數(shù)的大小，表示變量在因子的載荷大小。［5］基于SPSS19．0軟件因子旋轉(zhuǎn)矩陣的分析結(jié)果，我們采取因子矩陣方差最大化的正交旋轉(zhuǎn)，讓列變量在因子矩陣遵循它的平方數(shù)朝著1、0兩個(gè)極端變化，進(jìn)而得到因子旋轉(zhuǎn)矩陣。這樣，我們可以通過變量在因子上的載荷值來解釋各個(gè)公因子的定義并確定其名稱。

在表4，大家可以看出，第一個(gè)公因子W1在評價(jià)指標(biāo)地區(qū)生產(chǎn)總值、總?cè)丝凇⒇?cái)政收入、離退休參保人數(shù)、城鎮(zhèn)參保人數(shù)、社保就業(yè)支出上的載荷較大，表明各省市人員構(gòu)成及經(jīng)濟(jì)社會情況，因此W1作為第一個(gè)公因子可以稱之人口與經(jīng)濟(jì)社會發(fā)展因子。在農(nóng)村居民人均收入上、城鎮(zhèn)居民家庭總收入上的載荷較大的第二個(gè)公因子W2，表明各地的居民收入情況，因此，第二個(gè)公因子W2可以成為收入因子。

（六）構(gòu)建全面指標(biāo)計(jì)算公式

我們通過表5成份得分系數(shù)矩陣沒有改變的數(shù)據(jù)以及因子系數(shù)詳細(xì)分?jǐn)?shù)，從而可以得出各觀測值的因子數(shù)值。旋轉(zhuǎn)后的因子分值式是：

表5 成份得分系數(shù)矩陣

因子的綜合得分W，其公式為W＝∑Wj＊（ai／b）（j＝1，2，3…），其中Wj是各省市養(yǎng)老保險(xiǎn)水平，aj是各公因子的方差，b是累積方差。因此，我可以計(jì)算出各省市養(yǎng)老保險(xiǎn)水平的因子綜合得分。表6是公因子得分、綜合得分以及排名。

二、各省市養(yǎng)老保險(xiǎn)總體性分析

在因子計(jì)算公式能夠發(fā)現(xiàn)，W1在省財(cái)政經(jīng)濟(jì)收入數(shù)、地區(qū)總值、人口總數(shù)、離退休參保人數(shù)、城鎮(zhèn)參保人數(shù)、社保就業(yè)支出的權(quán)重系數(shù)很大，公因子W1可以作為各省市的人口經(jīng)濟(jì)發(fā)展因子；公因子W2在農(nóng)村居民人均收入、城鎮(zhèn)家庭居民總收入方面有較大權(quán)重系數(shù)，因此W2可以作為各個(gè)省市的收入性因子。

表6 全國各省市社會養(yǎng)老保險(xiǎn)水平排名及得分

結(jié)合在兩個(gè)公因子上省份的得分與排名，可以綜合評價(jià)各省市社會養(yǎng)老保險(xiǎn)水平。在W1方面，廣東、江蘇、山東、四川、河南是分值最高的六個(gè)省市，其中廣東的分值最高為2．27，遠(yuǎn)高于其他省市。假定以W1＞0為區(qū)別條件，那么位于第一至十二的省市屬于第一類，第二類則是位于第十三到三十一位的省市。有較大差距的第二類與第一類，則說明在W1上的養(yǎng)老保險(xiǎn)省市水平差異性較大。在第一類的省市也是人口比較多的，這也表明人口經(jīng)濟(jì)發(fā)展公因子對于各省市養(yǎng)老保險(xiǎn)水平有重要的影響作用。

在公因子W2方面，上海的排名是第一位的，這與上海市居民的收入有著緊密聯(lián)系的，北京、浙江、天津的分值也是比較高的，排名在前八的省市公因子W2＞0。在公因子W1排名第一的廣東，在公因子W2上的排名是第五；在公因子W1排名相對較前的貴州、甘肅，在公因子W2上的排名卻是倒數(shù)一、二名，說明這些省市與上海、北京、浙江、天津等省市的差距還是很大的，也說明養(yǎng)老保險(xiǎn)的水平與收入水平是密切相關(guān)的。

三、促進(jìn)城鎮(zhèn)社會養(yǎng)老保險(xiǎn)地區(qū)發(fā)展的建議

基于整體變量指標(biāo)的解讀，我國各省市可以根據(jù)其在公因子上的表現(xiàn)采取相應(yīng)的措施來推動養(yǎng)老保險(xiǎn)程度的深化，進(jìn)一步促進(jìn)我國養(yǎng)老保險(xiǎn)事業(yè)的和諧發(fā)展。

（一）促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展，提高居民的保險(xiǎn)繳費(fèi)能力

社會保障的均衡發(fā)展，必須要以經(jīng)濟(jì)基礎(chǔ)作為支撐。［6］社會保障關(guān)乎社會的安全與穩(wěn)定，是一項(xiàng)政府實(shí)施的積極政策，在任何條件下都與經(jīng)濟(jì)相互依存而不能擺脫其發(fā)展。簡言之，經(jīng)濟(jì)基礎(chǔ)的雄厚與否決定著一個(gè)地區(qū)的社會保障水平高低，［7］各省市的經(jīng)濟(jì)水平影響社會養(yǎng)老保險(xiǎn)的水平。［8］第一，各級政府應(yīng)采取合理地措施促進(jìn)當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展，只有經(jīng)濟(jì)發(fā)展了，社會保障的基礎(chǔ)才能變得雄厚，水平也就越高，進(jìn)而城鎮(zhèn)社會養(yǎng)老保險(xiǎn)也會得到發(fā)展。第二，政府在促進(jìn)經(jīng)濟(jì)發(fā)展的同時(shí)，還應(yīng)注意提高居民的收入水平。居民收入水平提高了，其繳費(fèi)能力也就會得到一定程度的提升。伴隨著經(jīng)濟(jì)發(fā)展，居民收入的提高，養(yǎng)老保險(xiǎn)的水平也就會有所發(fā)展，最終實(shí)現(xiàn)養(yǎng)老保障制度的可持續(xù)性發(fā)展。［9］

（二）改革養(yǎng)老保險(xiǎn)的制度實(shí)施方式

由于我國地區(qū)間經(jīng)濟(jì)發(fā)展的不平衡性，［10］需要結(jié)合各個(gè)省市的不同特點(diǎn)，對于各省市的養(yǎng)老保險(xiǎn)發(fā)展采取相異的方案。在保障養(yǎng)老保險(xiǎn)水平提高的前提下，允許一部分經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)用較長的時(shí)間實(shí)現(xiàn)與發(fā)達(dá)地區(qū)養(yǎng)老保險(xiǎn)水平相當(dāng)?shù)某潭?，最終建立覆蓋全體居民的社會養(yǎng)老保險(xiǎn)體系。［11］第一，針對東、中部經(jīng)濟(jì)發(fā)達(dá)的省份進(jìn)一步完善城鎮(zhèn)養(yǎng)老保險(xiǎn)的發(fā)展，而對于西部經(jīng)濟(jì)不發(fā)達(dá)的省市加大中央財(cái)政的轉(zhuǎn)移支付，以此提高西部地區(qū)的養(yǎng)老保險(xiǎn)發(fā)展水平。第二，要加快實(shí)現(xiàn)養(yǎng)老保險(xiǎn)的全國統(tǒng)籌，優(yōu)化社會保險(xiǎn)基金使用，［12］避免經(jīng)濟(jì)發(fā)達(dá)地區(qū)有結(jié)余，而欠發(fā)達(dá)地區(qū)有缺口的不均衡性，以此來提高各省市社會養(yǎng)老保險(xiǎn)的發(fā)展水平。

［1］夏金釗．山東省城鎮(zhèn)社會養(yǎng)老保險(xiǎn)水平地區(qū)差異實(shí)證分析［D］．濟(jì)南：山東經(jīng)濟(jì)學(xué)院，2011．

［2］解靜，閆琳琳．中國養(yǎng)老保險(xiǎn)省際分配差距綜合指標(biāo)研究［J］．商業(yè)時(shí)代，2013（5）：133－139．

［3］吳書光．山東省城鎮(zhèn)養(yǎng)老保險(xiǎn)水平的因子分析及評價(jià)［J］．東岳論叢，2012（9）：176－179．

［4］朱琳．中小企業(yè)聯(lián)盟網(wǎng)絡(luò)創(chuàng)新績效的影響因素研究［D］．杭州：浙江工業(yè)大學(xué)，2011．

［5］司愛麗．安徽省城鄉(xiāng)居民收入差距影響因素實(shí)證研究［J］．長春理工大學(xué)學(xué)報(bào)（社會科學(xué)版），2014（3）：60－63．

［6］李勝基．吉林省社會保障支出與經(jīng)濟(jì)增長關(guān)系實(shí)證研究［J］．現(xiàn)代經(jīng)濟(jì)信息，2010（15）：219－220．

［7］郭林，張學(xué)鋒．構(gòu)建合理的社會保障水平測定指標(biāo)體系：基本原則、構(gòu)成要素與基本點(diǎn)［J］．哈爾濱金融學(xué)院學(xué)報(bào)，2012（1）：57－60．

［8］張臘梅．建立新型農(nóng)村社會養(yǎng)老保險(xiǎn)制度的思考［J］．經(jīng)濟(jì)問題探索，2008（12）：98－100．

［9］孟喜玲，高君，夏麗霞．浙江省新型農(nóng)村社會養(yǎng)老保障制度可持續(xù)發(fā)展研究——以德清縣為例［J］．中國農(nóng)學(xué)通報(bào)，2012（26）：153－158．

［10］宋志濤．經(jīng)濟(jì)開放、市場分割與我國地區(qū)經(jīng)濟(jì)發(fā)展不平衡［D］．濟(jì)南：山東大學(xué)，2012．

［11］劉苓玲，李培．建立覆蓋城鄉(xiāng)居民的養(yǎng)老保險(xiǎn)體系研究：一個(gè)文獻(xiàn)綜述［J］．保險(xiǎn)研究，2012（2）：121－127．

［12］肖寧．優(yōu)化社會保險(xiǎn)基金管理的探討［D］．保定：河北大學(xué)，2009．

（編輯：佘小寧）

Factor Analysis of the Level of Urban Social Pension Insurance and Suggestions

GAO Yuan－xin，ZHANG Wen－zheng
（College of Humanity，Gansu Agricultural University，Lanzhou Gansu 730070，China）

At present，China is facing an aging population crisis，and a general concern is pension．Since the 21st century，the development of China＇s urban social pension insurance has become faster，but the development speed can not cover some of its problems．In this paper，SPSS19．0 software is used to analyze statistical data of the provinces（except Hong Kong，Macao and Taiwan）in 2012．Through factor analysis of the data，it is found that the level of development of the various provinces and social endowment insurance has obvious differences，but also is relevant with the population，the level of economic development and income，which provides theoretical and practical support to reduce the regional differences in China＇s urban pension．

Cities and towns；Pension levels；Factor analysis

F840．67

：A

：1671－816X（2015）02－0170－05

2014－10－24

高元新（1988－），男（漢），山東德州人，碩士研究生，主要從事社會保障方面的研究。

張文政，副教授。E－mail：66605215＠qq．com